图像分割的大变革：从SAM(分割一切)到FastSAM、MobileSAM
💡
原文中文，约7900字，阅读约需19分钟。
📝
内容提要
本文介绍了通用的图像分割模型SAM（Segment Anything Model），包括其结构和训练过程。SAM模型通过交互式标注和半自动标注的方法生成大量的掩码数据，并使用多次迭代和多种损失函数优化模型。最终，SAM模型在1100万张图像上生成了11亿个高质量的掩码。
🎯
关键要点
- SAM是一种通用的图像分割模型，可以处理所有类型的图像。
- 与专有模型不同，SAM在多个领域的图像分割中表现良好。
- SAM模型通过提示灵活分割，支持零样本和少样本任务。
- 模型结构包括prompt encoder、image encoder和mask decoder。
- 数据引擎分为人工辅助、半自动和全自动三步，生成大量掩码数据。
- 训练过程中使用focal loss和dice loss进行优化，训练时间为3-5天。
- 最终在1100万张图像上生成了11亿个高质量的掩码，99.1%为自动生成，质量高。
➡️
